动态规划总结

动态规划是一种用来解决一类最优化问题的算法思想，用其求解问题时，要将问题的全过程恰当地分成若干个相互联系的阶段，再按一定的次序求解。动态规划会将每个求解过的子问题的解记录下来，这样当再一次碰到该子问题时，就能直接使用记录的结果，而不会重复计算，动态规划一般用递归(记忆化搜索)或递推的写法，适用于有重叠子问题和最优子结构性质的题。动态规划的核心是设计拥有无后效性的状态及相应的状态转移方程。

列举几道题理解动态规划思想

1.最大连续子序列和

题目描述:

给定一个有n（n>=1）个整数的序列，求出其中最大连续子序列的和。例如序列

（-2,，11，-4，13，-5，-2）的最大子序列和为20，序列（-6,2,4，-7,5,3,2，-1,6，-9,10，-2）的最大子序列和为16。规定一个序列的最大连续子序列和至少是0，如果小于0，其结果为0。

分析:令状态dp[i]表示以a[i]作为末尾的连续序列的最大和，据题意得状态转移方程dp[i]=max{a[i]，dp[i-1]+a[i]}

代码:

#include<bits/stdc++.h> 
using namespace std;
int main()
{
int n,a[10010],dp[10010],k;
cin>>n;
for(int i=0;i<n;i++)
cin>>a[i];
dp[0]=a[0];//边界
for(int i=1;i<n;i++)
dp[i]=max(a[i],dp[i-1]+a[i]);
k=0;
for(int i=1;i<n;i++)
if(dp[i]>dp[k])
k=i;
cout<<dp[k];
    return 0;
}

2.背包问题.

题目描述：
   给定n种物品和一背包。物品i的重量是w[i]，其价值为c[i]，背包的容量为v。问应如何选择装入背包的物品，使得装入背包中物品的总价值最大?

分析:

对第i件物品，有两种选择

①.把第i件物品放入背包，对应状态dp[i-1][j](前i-1件物品恰好放入容量为j的背包中所能获得的最大价值)

②.不把第i件物品放入背包，对应状态dp[i-1][j-w[i]]+c[i](前i-1件物品恰好装入容量为j-w[i]的背包中所能获得的最大价值)

据此列出状态转移方程:

dp[i][j]=max(dp[i-1][j]，dp[i-1][j-w[i]]+c[i])

(1≤i≤n，w[i]≤v≤V)

代码:

#include<bits/stdc++.h>
using namespace std;
int main()
{
int n,v;
int w[100],c[100];
int dp[1000][1000];
cin>>n>>v;
for(int i=0;i<n;i++)
cin>>w[i];
for(int i=0;i<n;i++)
cin>>c[i];
for(int i=0;i<n;i++)
{
for(int j=0;j<=v;j++)
{
if(w[i]>j) 
dp[i+1][j]=dp[i][j];
else
dp[i+1][j]=max(dp[i][j],dp[i][j-w[i]]+c[i]);
}
}
 cout<<dp[n][v];
}